دانلود ترجمه مقاله بالانس بار در پردازش ابری توسط الگوریتم ژنتیک و مقایسه بهینه سازی ذرات

Translation3

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

مقایسه بهینه سازی ازدحام ذرات و الگوریتم ژنتیک برای تعادل بار در محیط پردازش ابری

عنوان انگلیسی مقاله:

Comparison of Particle Swarm Optimization and Genetic Algorithm for Load Balancing in Cloud Computing Environment

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار مقاله  ۲۰۱۵
تعداد صفحات مقاله انگلیسی ۶ صفحه با فرمت pdf
رشته های مرتبط با این مقاله  مهندسی کامپیوتر
گرایش های مرتبط با این مقاله  مهندسی الگوریتم ها و محاسبات، معماری سیستم های کامپیوتری، رایانش ابری و مهندسی نرم افزار
مجله مربوطه  مجله بین المللی تحقیقات پیشرفته در علوم کامپیوتر و مهندسی نرم افزار
دانشگاه تهیه کننده  علوم و مهندسی کامپیوتر، دانشگاه Chandigarh، هند
کلمات کلیدی این مقاله  پردازش ابری، بهینه سازی ازدحام ذرات، زمان بندی کار، تعادل بار، الگوریتم ژنتیک
رفرنس دارد
نشریه  Ijarcsse

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin ۱۵ صفحه
ترجمه عناوین تصاویر و جداول ترجمه شده است
درج تصاویر در فایل ترجمه درج شده است
درج جداول در فایل ترجمه درج شده است
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس درج شده است

 


  • فهرست مطالب:

 

چکیده
۱- مقدمه
۲- بررسی مقالات
۳- الگوریتم پیشنهادی
a) الگوریتم ژنتیک
b) بهینه سازی ازدحام ذرات
۴- نتایج و تجزیه و تحلیل
۵- نتیجه گیری

 


  • بخشی از ترجمه:

 

۵- نتیجه گیری
پردازش ابری محاسبه بر پایه اینترنت است که منابع برای کاربرای در تقاضا مهیا می شود. یک الگوریتم بهینه سازی ازدحام ذرات برای یافتن راه حل بهتر برای مسئله برنامه ریزی و تعادل بار در محیط پردازش ابری ارائه شده است. هدف این روش حل مسئله مصرف بالای زمان سیستم هنگام برنامه ریزی مشاغل وارد شوند مطابق با ماشین های مجازی موجود در محیط ابری است. در این مطالعه روش های تکاملی که الگوریتم ژنتیک و بهینه سازی ازدحام ذرات هستند در پردازش ابری با استفاده از روش برنامه ریزی کوتاه ترین شغل اول اجرا می شوند. بر اساس نتایج دیده شد که اگر زمان پاسخ سیسم در نظر گرفته شود PSO بهتر از GA است، زیرا زمان واکنش کمتری می گیرد و makespan کمتری از روش الگوریتم ژنتیک تولید می کند.


  • بخشی از مقاله انگلیسی:

 

V. CONCLUSION

Cloud Computing is internet based computing in which resources are provided to users on demand. A Particle Swarm Optimization algorithm has been presented to find the better solution for the problem of scheduling and load balancing in Cloud Computing environment. The goal of the technique is to resolve the problem of high consumption of system time while scheduling the incoming jobs according to available virtual machines in Cloud environment. In this study evolutionary techniques that are genetic algorithm and particle swarm optimization, are implemented in Cloud Computing using shortest job first scheduling methodology. On the basis of results it has been evaluated that PSO is better than GA if system response time is considered as it takes lesser response time and and generate a low makespan than Genetic Algorithm approach.


 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

مقایسه بهینه سازی ازدحام ذرات و الگوریتم ژنتیک برای تعادل بار در محیط پردازش ابری

عنوان انگلیسی مقاله:

Comparison of Particle Swarm Optimization and Genetic Algorithm for Load Balancing in Cloud Computing Environment

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

دانلود رایگان مقاله انگلیسی

 

خرید ترجمه فارسی مقاله

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *